今年8月，Facebook宣布將和紐約大學醫學部成立fastMRI項目，希望能共同研究如何加速MRI成像，最終達到10倍加速。

然而，一家硅谷醫療科技影像公司已經完成這項技術的研發，在UCSF等全美十數所知名醫院進行早期測試。

這家公司名為深透醫療(Subtle Medical)，創始人及CEO宮恩浩博士擁有醫學與工程雙重背景，是一名來自斯坦福的連續創業者。

“對于高成本的醫學影像來說，我們認為提高成像效率有更大的價值和市場空間。”宮恩浩對鈦媒體說道。2017年，他創立了深透醫療，結合深度學習和圖像重建技術，只需用更少、質量更低的數據，就能獲取診斷級別的醫學圖像，和傳統形式質量持平，甚至更好。這意味著，比起“如何代替讀報告的醫生”，深透的技術更希望幫助機器更快、更好地完成自己的工作。

如今，這項技術主要應用在MRI(磁共振)和PET(核醫學影像、正電子發射計算機斷層掃描)這兩種市面上最貴、最慢的醫學影像模態上。

創立一年內，深透醫療已經獲得了兩輪融資。種子輪來自美國大數據基金Data Collective、真格基金、百度風投、清源創投、Wisemont Capital等。今年5月，深透醫療獲得了由美國老牌基金Bessemer Venture Partner領投的500萬美元PreA輪融資，此外，其第二輪投資人還包括“全球第一VC”Facebook投資人Jim Breyer以及硅谷新秀基金Fusion Fund。

今年早些時候，宮恩浩和他的合伙人、斯坦福放射科醫生Greg Zaharchuk教授代表公司在英偉達Inception創業大賽上拿到了“醫療健康+AI”方向的冠軍，公司分享了百萬美元獎金。

另辟蹊徑，加速醫學成像

“醫學成像+AI”不是一個新奇的組合，但是在過去，大部分創業企業走的都是用AI來加速圖像解讀、出具醫學診斷報告的路。

“這個因素實際上只影響10%的生產成本，而且也不一定是耗時最長的部分。”宮恩浩解釋道。

90%的成本和大量耗時，都在機器成像過程中。

MRI、PET等成像技術是現代科技進步、提高醫學水平的重要標志——MRI的原理是通過收集大量的原始數據，重建出信息豐富的醫學圖像。比起看密度的CT和X光，MRI能得到清晰的軟組織多對比度，幫助辨別病灶;PET能得到分子層級功能活躍信息，從而確認病灶級別。過去，醫生從未能這么清晰地看到病灶、進行診斷和分析。正是因此，這些檢查對神經系統疾病辨別，癌癥的早期篩查、分期診斷及膝關節等軟骨相關疾病都尤為重要。

然而也正是因此，它們又貴、又耗時，還需要精細的維護。而且采集時間長，很難像CT或X光一樣，即拍即走，大批量普及。

深透醫療提供的示意圖：技術方面的花費占比90%;醫生解讀醫學影像花費占比10%

以核磁共振(MRI)為例，在美國的收費大約是1000-2000美元(6800-13600人民幣)之間，其中只有10%用于付給醫生，作為診斷費用，而90%以上都是用于支付醫院用于機器的成本、維護等費用。一次采集的時間大約是30-45分鐘，一臺耗資數百萬甚至上千萬的機器，一天只能服務十幾個病人。而由于資金、場地等限制，機器數量也很有限，大型三甲醫院可能也只有2-3臺MRI機器。

PET價格更加高昂。在美國，根據不同的醫院定價、檢查部位以及放射性核素價格，一次PET檢查少則數千美金，最高花費可達上萬美元。

根據Transparency Market Research數據，核磁共振圖像處理市場將在2022年超過91億美元。而正如上文所說，如此巨大的市場，仍舊有著三個亟待解決的痛點：速度、成本、安全性。

宮恩浩認為，從他在斯坦福的研究開始一路研發的這個技術方案——結合深度學習和圖像重建，加速醫學成像——能夠成為解決這些痛點的最終路徑。

深透醫療的投資者Jim Breyer對鈦媒體表示：“我很看好AI和醫學的結合，這幾年來，我一直試圖在這一領域尋找好的投資機會。在大量的調研和溝通后，我才決定投資Subtle Medical——這個團隊既有對醫學影像極其熟悉的醫生，也有AI技術專家，而且他們選擇了一個與大多數AI醫學影像公司都不同的切入點，通過AI技術來優化醫學臨床影像的拍攝流程及質量，降低其需要的時間、花銷及放射性。我認為他們的商業模式非常令人信服，前景可期。”Jim Breyer是硅谷知名投資人，也是Facebook最早的投資者之一。

直擊醫學影像痛點：速度、成本、安全性

在斯坦福攻讀電子工程學博士時，宮恩浩所在的研究室有幾十年產業研究結合的經驗，是壓縮感知等傳統快速采樣技術在醫學影像領域應用的發祥地。他做的方向是深度學習與醫學影像研究，主要探索深度學習技術在醫學圖像后處理、圖像重建以及輔助診斷等方面的應用。

結識他的聯合創始人、也是斯坦福教授及知名放射科醫生Greg Zaharchuk后，宮恩浩與Zaharchuk教授將深度學習技術快速引入大量神經影像臨床引用，成果頗豐，相關研究發表在NeuroImage等頂級影像學期刊和NIPS等人工智能會議。宮恩浩萌生出創立公司的想法。

“以壓縮感知快速成像為例，過去我們實驗室的技術常常是研究出來之后授權給大型醫學影像儀器公司，花五年、十年才做到產品化。可是這類AI的技術，你很難想象要等到十年之后再做出產品——在研究的過程中它也需要大量的數據去完善整個技術方案、真正解決彌合臨床與科研之間的鴻溝。我們在研究中產生了前沿的技術以及海量的數據，對于商業化也有很大優勢。所以我們一拍即合，決定開始走商業化的路徑。”

MRI需要處理的數據很多，收集完圖像后才能最終成像，所以掃描時間長，而宮恩浩及團隊開發的專利技術能優化這個將數據重建成圖像的過程，使MRI和PET都加速4-10倍。 最重要的是，如此高倍加速后的圖像能達到診斷級別的精確度，這是過去的加速方法都無法做到的。

加速之后，醫院提供每次檢查的單位成本下降，機器的使用效率也會提高。

深透醫療技術優化示意圖

這項技術解決的另一個痛點是安全性。PET這種分子影像的掃描需要注射放射試劑，對于人體會有較高輻射。深透醫療的技術可以提高影響質量，從而降低臨床PET影像4-10倍放射性試劑計量，對病人、操作人員以及醫院都有好處。

相關論文還證實，此技術能用深度學習針對 PET/MRI 和 PET/CT 成像過程進一步優化，對于腫瘤病人以及中輻射劑量降低高達百倍。MRI沒有輻射，但是很多MRI檢查會用到基于重金屬釓的造影劑。美國FDA，歐洲CE以及中國CFDA都對于釓造影劑在人體內沉積問題提出了警告。而深透提供的方案，可以大幅降低 MRI 的釓使用劑量，從而降低釓在病人體內的沉積。

從左至右：傳統加造影劑的頭部磁共振影像，減少10倍造影劑的磁共振影像，以及減少10倍造影劑后通過SubtleMedical人工智能增強信息的磁共振影像。SubtleMedical人工智能算法在減少劑量、提高安全性的情況下，能顯著增強診斷所需要的影像信息。

公司建立后，宮恩浩搭建起了一個技術實力強大，橫跨工程、醫療研究、臨床和產業的團隊，包括曾在GE Healthcare 研發磁共振影像技術、擔任 MD 安德森腫瘤醫院教職的張濤博士，以及擁有多年多模態影像的學界和產業經驗的朱立人博士等等。

“我過去也有做創業公司的經歷，所以把公司從零到一做起來，組建團隊，以及后續的商務拓展都有一定經驗。”他是圖像處理軟件Polarr的聯合創始人之一，這個app在2015年、2016年連續入選app store最佳應用榜，用戶數量超過1000萬。

創立深透醫療時，過去的創業經驗幫助宮恩浩更好地把握公司架構、融資節奏等重要部分，而這個項目結合醫療及AI的特點和他又更加契合。除此之外，他的合伙人Greg Zaharchuk在美國從醫數十年，獲得過美國放射學與生物醫學影像研究學會的杰出研究者獎(Distinguished Investigator Award)等多個獎項，擁有多項專利。正是因此，他不僅了解醫學成像領域臨床的種種痛點，也在業界有廣泛的人脈和經驗，成功幫助深透科技找到了一條高效的商業化路徑。

今年開始，深透科技已經在與美國十數家頂尖醫療院校、醫院及第三方影像中心開展早期測試，其中包括斯坦福大學、加州大學舊金山分校醫學院(UCSF)、MD 安德森腫瘤醫院和梅奧醫學中心等。其技術方案兼容醫院使用的硬件軟件系統，在醫生端的處理與往常毫無二致，醫生只會感覺到機器提供圖像更快、也更清晰。宮恩浩表示，未來的盈利模式將會是與醫院簽訂年付費協議，根據醫院提高的影像效率收益分成，并且探索OEM解決方案商業化。

“深透醫療的技術讓我們可以在更少的時間內給更多的患者做檢查、并減少放射劑量，這跟其他方案提供商比起來是一個很強的競爭優勢。作為醫學影像中心，我們一直在努力提高影像質量、減少檢查時間和放射劑量，所以這樣的算法很可能可以在美國乃至全世界的醫學影像中心迅速、簡便地部署。”斯坦福醫院神經影像科主任Max Wintermark教授表示。

今年9月，深透醫療獲得全美最大臨床醫學影像新聞平臺Aunt Minnie提名2018最佳新放射科供應商。

數據壁壘應對競爭

雖然深透醫療的商業化路徑看起來一片坦途，但如文初所說，Facebook也開始了這項技術的研究，面對巨頭競爭，深透醫療是否有一較高下之力?

宮恩浩對記者表示，深透醫療有一個獨特的數據優勢：由斯坦福獨家授權的大量的醫學影像數據。“深透醫療誕生于斯坦福大學，所以學校獨家授權了3項專利和海量的醫學影像數據 。”這些數據包括超過200萬張MRI、PET/CT、PET/MR 影像，涵蓋范圍廣泛。

“很多時候采集一份完整的醫學影像數據需要一個小時乃至更多時間，臨床上很難獲得這樣完整的數據，一般只能在科研環境中獲得。同時，獲取這樣的醫學影像數據還需要科研人員具備相關的技術背景。斯坦福大學的高質量數據庫經過了長時間積累和多年的科研驗證，所以這些都是非常珍貴的資源和壁壘。”宮恩浩解釋道。

除此之外，他表示，與UCSF、MD 安德森腫瘤醫院和梅奧醫學中心等美國十幾家頂尖醫療院校、醫院及第三方影像中心的合作關系也能為深透醫療帶來大量高質量的醫療影像數據。這些數據不但可以進一步用于訓練深度學習算法，幫助產品進一步優化完善，帶來先發優勢。同時，通過產品布局，他也希望最終建立跨病種、跨部位、多模態的醫學影像數據平臺。

在他看來，“這項技術并不特定于某種特定的疾病，而是適用于跨病種多模態的數據，具有很高的普適性和廣泛的應用場景。”對于所有需要使用MRI、PET/CT、PET/MRI等設備進行常規檢查的疾病，比如腦卒中、腦血管疾病、肺癌、各類腫瘤老年癡呆癥等等，深透醫療都可以提供影像處理，也可進一步提高診斷分析及預后等服務。

“深透醫療針對的是一個與眾不同的AI應用落地的切入點。在大部分AI+醫療公司都還在關注診斷端的時候，他們就開始攻克技術難點更高、未來壁壘也更高的圖像采集與處理端，通過對跨模態多病種的海量數據收集與理解，真正的對容量巨大的醫學影像市場產生深遠影響。從我們投資開始到現在，深透醫療產品的商業化落地進展非常迅速，FDA申請即將通過，其將會成為新一代醫療系統里一個重要的數據入口。”深透醫療的另一個投資方，BV百度風投CEO劉維表示。

據悉，深透醫療已提交一款產品 FDA II 類 510(K) 認證申請，即將獲得歐洲CE認證，明年初將以第一款產品為基礎提交另外兩款產品的FDA申請。此外，深透醫療正在和中國東軟醫療、西門子醫療(中國)、飛利浦醫療(中國)等企業探索合作模式，與英偉達、英特爾、通用電氣等公司合作優化算法，與Nuance等影像平臺及PACS服務商也在開展合作。在斯坦福大學的科研團隊也與301、天壇等醫院陸續進展科研合作。

宮恩浩表示，未來其業務范圍將會從美國往中國、歐洲、南美、加拿大等市場繼續拓展